根據 ICH，在穩定性外推中測試所有因素和因素組合的可合併性。如何在 JMP 中做到這一點？根據 ICHQ1E 指南“B.3.2.2 測試所有因素和因素組合的可合併性”，所有因素組合均可用於測試可合併性。如果其他因素（例如包裝尺寸和方向）需要納入可池性和模型選擇中，如何在 JMP 中進行？我們是否可以在考慮其他因素的情況下在 JMP 中進行此分析？
大規模客製化預測建模和機器學習回复：根據 ICH 在穩定性外推中測試所有因素和因素組合的可合併性。 如何在 JMP 中做到這一點？我將使用隨 JMP 一起安裝的 Big Class 示例。 我想模擬：重量和：高度之間的線性關係。 還有 :age 和 :sex 因素。 我在模型中輸入這些項以測試它們的效果我將 :age 和 :sex 與 :height 交叉以產生交互項。 這些術語測試 :height 效果是否取決於 :age 或 :sex。
以下是初步結果：
然後，我們將遵循 Q1A 和 Q1E 指導並首先測試高階項。 我們首先消除最不重要的項（即最高 p 值），然後一次執行一個步驟。 然後我們可能會得到一個這樣的模型來解釋和預測：
這樣的結果證明 :sex 和 :age 組的數據可能是合併的，但不同組之間存在差異：年齡組。
回复：根據 ICH 在穩定性外推中測試所有因素和因素組合的可合併性。 如何在 JMP 中做到這一點？感謝馬克的解決方案。是的，我完全同意這一點，並且是您描述的 JMP 模型選擇的首選。 請建議如何在 JMP 中使用多因素進行 ANCOVA。 與多個因素類似，將有更多可能的組合來比較批次之間的斜率和截距顯著性。 我指的是下面提到的文章（鏈接）。 不幸的是，我沒有這篇文章的硬拷貝。 https://www.yumpu.com/en/document/read/7434354/shelf-life-estimation-for-multifactor-stability-studies-drug-information-
請建議。 希望這篇文章將有助於解釋我的查詢。
問候。
羅索曼卡爾
回复：根據 ICH 在穩定性外推中測試所有因素和因素組合的可合併性。 如何在 JMP 中做到這一點？我認為您可以使用批處理池性直接擴展示例。 對因素及其與時間的相互作用進行檢驗。 如果它們不顯著，那麼您可以在所有因子水平上匯集數據。 如果交互作用顯著，那麼您必須將該因素和交互作用留在模型中。 選擇最終模型後，您可以使用 Prediction Profiler 確定到期時間。
使用分析 > 擬合模型。 選擇時間和因子的數據列，單擊宏，然後選擇階乘。 單擊運行。 刪除您認為不重要的術語，首先從交互開始。 不要破壞模型層次結構。
